اڳڪٿي ڪرڻ جي طلب ۾ وقت جو سلسلو، تقسيم سينٽرن تي لوڊ، پيداوار جي سفارشون ۽ بي ضابطگين جي ڳولا

آرٽيڪل وقت جي سيريز جي ايپليڪيشن جي علائقن تي بحث ڪري ٿو، مسئلا حل ڪيا وڃن، ۽ استعمال ٿيل الگورتھم. ٽائيم سيريز جي اڳڪٿي ڪمن ۾ استعمال ڪئي ويندي آهي جيئن اڳڪٿي ڪرڻ جي طلب، رابطي جو مرڪز لوڊ، روڊ ۽ انٽرنيٽ ٽريفڪ، تجويز ڪندڙ سسٽم ۾ سرد شروعات واري مسئلي کي حل ڪرڻ، ۽ سامان ۽ استعمال ڪندڙن جي رويي ۾ بي ضابطگين جي ڳولا.

اچو ته وڌيڪ تفصيل سان ڪمن کي ڏسو.

1) طلب جي اڳڪٿي.

مقصد: گودام جي قيمتن کي گھٽائڻ ۽ عملي جي ڪم جي شيڊول کي بهتر ڪرڻ.

ان کي ڪيئن حل ڪيو وڃي: سامان جي خريداري ۽ گراهڪن جي تعداد جي اڳڪٿي ڪرڻ سان، اسان گودام ۾ سامان جي مقدار کي گھٽائي ڇڏيندا آهيون ۽ بلڪل ايترو ذخيرو ڪندا آهيون جيترو وقت جي حد ۾ خريد ڪيو ويندو. ڪنهن به وقت ڪلائنٽ جي تعداد کي ڄاڻڻ سان، اسان هڪ بهترين ڪم شيڊول ٺاهينداسين ته جيئن گهٽ ۾ گهٽ خرچن سان ڪافي تعداد ۾ عملي موجود هجي.

2) پهچائڻ جي خدمت تي لوڊ جي اڳڪٿي ڪرڻ

مقصد: چوٽي جي لوڊ دوران رسد جي خاتمي کي روڪڻ لاء.

ان کي ڪيئن حل ڪيو وڃي: آرڊر جي تعداد جي اڳڪٿي ڪندي، ڪارن ۽ ڪوريئرز جو بهترين نمبر لائين تي آڻيو.

3) رابطي جي مرڪز تي لوڊ جي اڳڪٿي ڪرڻ

مقصد: رابطي جي مرڪز جي گهربل دستيابي کي يقيني بڻائڻ جڏهن ته پگهار جي قيمت کي گھٽائڻ.

ڪيئن حل ڪجي: وقت سان گڏ ڪالن جي تعداد جي اڳڪٿي ڪندي، آپريٽرز لاءِ هڪ بهترين شيڊول ٺاهيندي.

4) ٽرئفڪ جي اڳڪٿي

مقصد: مستحڪم آپريشن لاءِ سرورز ۽ بينڊوڊٿ جي تعداد جي اڳڪٿي ڪريو. ته جيئن ڪنهن مشهور ٽي وي سيريز يا فٽبال ميچ جي پريميئر واري ڏينهن توهان جي سروس خراب نه ٿئي 😉

5) ATM گڏ ڪرڻ لاءِ مناسب وقت جي اڳڪٿي ڪرڻ

مقصد: ATM نيٽ ورڪ ۾ ذخيرو ٿيل نقد رقم کي گھٽائڻ

6) سفارش واري نظام ۾ ٿڌي شروعات جي مسئلي جو حل

مقصد: نون استعمال ڪندڙن لاءِ لاڳاپيل پراڊڪٽس جي سفارش ڪريو.

جڏهن صارف ڪيتريون ئي خريداريون ڪيون آهن، هڪ گڏيل فلٽرنگ الگورٿم سفارشن لاء ٺاهي سگهجي ٿو، پر جڏهن صارف بابت ڪا ڄاڻ ناهي، اهو سڀ کان وڌيڪ مشهور شين جي سفارش ڪرڻ لاء بهتر آهي.

حل: مصنوعات جي مقبوليت ان وقت تي منحصر آهي جڏهن سفارش ڪئي وئي آهي. وقت جي سيريز جي اڳڪٿي کي استعمال ڪندي وقت جي ڪنهن به نقطي تي لاڳاپيل مصنوعات کي سڃاڻڻ ۾ مدد ڪري ٿي.

اسان ڏٺو ته لائف هيڪس ۾ سفارش ڪندڙ سسٽم ٺاهڻ لاءِ اڳوڻو مضمون.

7) غير معموليات جي ڳولا ڪريو

مقصد: سامان جي آپريشن ۾ مسئلن جي نشاندهي ڪرڻ ۽ ڪاروبار ۾ غير معياري حالتن
حل: جيڪڏهن ماپيل قدر اڳڪٿي جي اعتماد جي وقفي کان ٻاهر آهي، هڪ انمولي معلوم ڪئي وئي آهي. جيڪڏهن هي هڪ ائٽمي پاور پلانٽ آهي، اهو وقت آهي فاصلي جي چورس کي وڌائڻ جو

مسئلو حل ڪرڻ لاء Algorithms

1) هلندڙ اوسط

آسان ترين الگورتھم حرڪت وارو اوسط آھي. اچو ته حساب ڪريون سراسري قدر آخري چند عناصر تي ۽ اڳڪٿي ڪريون. 10 ڏينهن کان وڌيڪ موسم جي اڳڪٿي لاء، ساڳيو طريقو استعمال ڪيو ويندو آهي.

جڏهن اهو ضروري آهي ته هڪ سيريز ۾ آخري قدر وڌيڪ وزن ۾ حصو وٺن، اسان تاريخ جي فاصلي تي منحصر ڪري ٿو، وزن وارو ماڊل حاصل ڪري ٿو:

تنهن ڪري، توهان سيٽ ڪري سگهو ٿا W کوٽائي ته جيئن وڌ ۾ وڌ وزن آخري 2 ڏينهن ۽ داخلا ڏينهن تي پوي.

حساب ڪتاب ۾ cyclical عوامل

سفارشن جي معيار تي اثر انداز ٿي سگھي ٿو سائيڪلاتي عنصر، جهڙوڪ هفتي جي ڏينهن سان اتفاق، تاريخ، اڳئين موڪلون، وغيره.

چانور. 1. رجحان، موسمي جزو ۽ شور ۾ ٽائيم سيريز جي ٺهڻ جو مثال

تيز رفتار هموار ڪرڻ هڪ حل آهي حساب ڪتاب ۾ رکڻ لاءِ.

اچو ته 3 بنيادي طريقا ڏسو

1. سادو هموار ڪرڻ (برائون ماڊل)

ھڪڙي سيريز جي آخري 2 عناصر تي ھڪڙي وزن جي اوسط جي حساب سان نمائندگي ڪري ٿو.

2. ڊبل سموٿنگ (هولٽ ماڊل)

هن رجحان جي چوڌاري رهجي ويل قدرن ۾ رجحان ۽ fluctuations ۾ تبديلين کي حساب ۾ وٺي ٿو.

اسان رهجي ويل تبديلين جي اڳڪٿي جي حساب سان ® ۽ رجحان (ڊي). y جو آخري قدر انھن ٻن مقدارن جو مجموعو آھي.

3. ٽرپل سموٿنگ (هولٽ-ونٽر ماڊل)

ٽرپل smoothing اضافي طور تي اڪائونٽ ۾ موسمي تبديليون وٺندو آهي.

ٽرپل سموٿنگ لاءِ فارمولو.

ARIMA ۽ SARIMA الگورتھم

ARIMA جي استعمال لاء وقت جي سيريز جي خاصيت ماضي قدرن جي وچ ۾ تعلق آهي جيڪو موجوده ۽ مستقبل سان لاڳاپيل آهي.

SARIMA - موسمي جزو سان سيريز لاءِ توسيع. SARIMAX هڪ واڌارو آهي جنهن ۾ هڪ خارجي ريگريشن جزو شامل آهي.

ARIMA ماڊلز توهان کي انٽيگريٽيڊ يا فرق-اسٽيشنري ٽائيم سيريز ٺاهڻ جي اجازت ڏين ٿا.

ٽائيم سيريز ڏانهن آريما جو طريقو اهو آهي ته سيريز جي اسٽيشنري جو پهريون جائزو ورتو ويو آهي.

اڳيون، سيريز کي مناسب ترتيب جي فرق کي کڻڻ سان تبديل ڪيو ويو آهي، ۽ هڪ آرما ماڊل تبديل ٿيل ماڊل لاء ٺهيل آهي.

ARMA هڪ لڪير کان وڌيڪ ريگريشن ماڊل آهي.

اهو ضروري آهي ته سلسلو اسٽيشنري هجي، يعني. مطلب ۽ تفاوت تبديل نه ٿيو. جيڪڏهن سيريز غير اسٽيشنري آهي، ان کي اسٽيشنري فارم ۾ آڻڻ گهرجي.

XGBoost - اسان ان کان سواء ڪٿي هونداسين؟

جيڪڏهن هڪ سيريز ۾ اندروني ظاهر ڪيل ساخت نه آهي، پر ٻاهران اثر انداز ڪندڙ عنصر آهن (منيجر، موسم، وغيره)، ته پوء توهان محفوظ طور تي مشين لرننگ ماڊل استعمال ڪري سگهو ٿا جهڙوڪ بوسٽنگ، بي ترتيب ٻيلن، ريگريشن، نيورل نيٽ ورڪ ۽ SVM.

ٽيم جي تجربي مان ڊيٽا 4، ٽائيم سيريز جي اڳڪٿي، گودام جي قيمتن جي اصلاح کي حل ڪرڻ لاء مکيه ڪمن مان هڪ، عملي جي قيمت، اي ٽي ايم نيٽ ورڪ جي سار سنڀال، لوجسٽڪس ۽ عمارت جي سفارش واري نظام کي بهتر ڪرڻ. ڪمپليڪس ماڊل جهڙوڪ SARIMA اعلي معيار جا نتيجا ڏين ٿا، پر وقت سازي آهن ۽ صرف ڪم جي هڪ خاص حد لاء مناسب آهن.

ايندڙ مضمون ۾ اسين انمولين کي ڳولڻ جي مکيه طريقن تي نظر ڪنداسين.

انهي ڳالهه کي يقيني بڻائڻ لاءِ ته مضمون توهان جي دلچسپيءَ سان لاڳاپيل آهن، هيٺ ڏنل سروي وٺو، يا تبصرن ۾ لکو ته ايندڙ مضمونن ۾ ڪهڙن موضوعن تي لکڻو آهي.

صرف رجسٽرڊ استعمال ڪندڙ سروي ۾ حصو وٺي سگهن ٿا. سائن ان ڪريو، توهان جي مهرباني.

توهان ڪهڙي موضوع تي مضمونن ۾ دلچسپي وٺندا آهيو؟

• سفارش ڪندڙ سسٽم

• تصوير جي سڃاڻپ

• تقرير ۽ ٽيڪسٽ پروسيسنگ

• ڊي اين اين ۾ نئين تعميرات

• ٽائيم سيريز ۽ غير معمولي ڳولا

• ڪاروبار ۾ ايم ايل، ڪيس استعمال ڪريو

17 صارفين ووٽ ڪيو. 3 استعمال ڪندڙن کي روڪيو ويو.

جو ذريعو: www.habr.com